Bereid je voor op AI-transformatie: Neem deel aan ons evenement op 28 januari 2025 in Gent. REGISTREER JE VANDAAG
AI Agents
June 3, 2025
10 min read
Discussies over de vooruitgang die vandaag in de AI-wereld wordt geboekt, gaan vaak gepaard met de veronderstelling dat het binnenkort haalbaarder wordt om AI in te zetten in plaats van echte mensen. Op het eerste gezicht lijken zulke zorgen goed onderbouwd. Maar is dat ook zo? Om hierover te praten en de echte mogelijkheden van AI agents te verkennen, nodigde Max Golikov, host van de Innovantage-podcast en CBDO van Sigli, Frank Sondors uit in de studio.
Frank begon zijn carrière in big tech bij Google. Dit stelde hem in staat om van dichtbij te zien hoe krachtig machine learning is – niet alleen in advertenties, maar ook als hulpmiddel om bedrijfsgroei te stimuleren.
Later werkte hij bij verschillende bedrijven met een focus op big data en AI. Toen hij bij een bedrijf genaamd Whatagraph kwam, begon hij traditionele benaderingen van het opschalen van verkoopteams in twijfel te trekken. In die tijd heerste het idee van “groei tegen elke prijs”. Dit werd vaak gerealiseerd door meer verkopers aan te nemen.
Maar Frank zag dat als een gebrekkige aanpak. De meeste verkoopteams kampen met een hoog verloop, en slechts een klein percentage van de specialisten levert echt betekenisvolle resultaten. Volgens zijn ervaring is van elke tien mensen die je aanneemt er maar één een geboren verkoper. Twee of drie kunnen worden opgeleid, terwijl de rest de motivatie mist of simpelweg niet geschikt is voor de rol.
Dit inzicht leidde ertoe dat hij medeoprichter werd van Salesforge, een platform dat bedrijven helpt om een verkoop-pijplijn op te bouwen met een minimaal personeelsbestand. Het bedrijf gebruikt big data en AI om repetitieve verkooptaken te automatiseren. Door agent-gebaseerde functies in de software in te bouwen, stelt Salesforge bedrijven in staat om minder afhankelijk te zijn van middelmatige verkopers en hun topspelers in staat te stellen aanzienlijk betere resultaten te boeken.
Veel bedrijven willen tegenwoordig zogenaamde “autonome mensen” in dienst nemen. Dat zijn individuen die zelfstandig verantwoordelijk kunnen zijn voor een deel van het bedrijf, zonder voortdurende controle. Verkopers worden bijvoorbeeld geacht hun pijplijn te beheren, deals te sluiten en zelfstandig problemen op te lossen. In zo’n situatie biedt het leiderschap begeleiding in plaats van toezicht.
Dit concept is vergelijkbaar met hoe AI agents functioneren. Net als autonome werknemers krijgen AI agents een specifiek doel en de context om dat te bereiken. In een verkoopsituatie kan een AI-agent de taak krijgen om te reageren op een potentiële klant op basis van informatie zoals een sales playbook, prijzen of veelgestelde vragen. Het doel is om het gesprek vooruit te helpen richting een micro-conversie, zoals het boeken van een afspraak.
In tegenstelling tot traditionele chatbots, die vertrouwen op vooraf gedefinieerde scripts, kunnen AI agents redeneren over inkomende berichten en de beschikbare context gebruiken om intelligent en dynamisch te reageren. Dit vergroot de kans op het gewenste resultaat.
Volgens Frank is er bij de integratie van AI agents in salesteams geen one-size-fits-all-oplossing. De ideale opzet hangt altijd af van de structuur van het bedrijf en de salesstrategie.
In grote organisaties met 50 of meer verkopers richten menselijke vertegenwoordigers zich meestal op hoogwaardige enterprise-accounts, waarbij de waarde van de deal en de lengte van het salestraject de investering rechtvaardigen. Maar bij kleinere accounts – bijvoorbeeld in het MKB-segment – is dit vaak niet kosteneffectief vanwege het lage rendement per deal.
Daar blinken AI agents uit. Ze kunnen worden ingezet om outreach via verschillende kanalen te verzorgen, waaronder e-mail of LinkedIn. Ze kunnen MKB-klanten benaderen met gerichte berichten om afspraken te boeken, een productpagina te bezoeken, zich op een platform aan te melden, enzovoort.
Door AI agents toe te wijzen aan minder prioritaire of juist volumineuze segmenten, kunnen bedrijven hun efficiëntie maximaliseren. Zo kunnen menselijke verkopers zich concentreren op strategische deals.
Frank noemde ook een andere belangrijke toepassing voor AI agents . Veel beginnende startups met minder dan tien medewerkers hebben moeite met het vinden van potentiële klanten. Vaak komt dit doordat de oprichters overbelast zijn met productontwikkeling en klantbeheer.
Volgens Frank draait het voortbestaan van een startup om twee dingen: een goed product bouwen en dat effectief verkopen. Als het opbouwen van een sales-pijplijn erbij inschiet, lopen ze grote groeirisico’s.
Oprichters hebben dan een paar opties:
Ondanks de inspirerende voorbeelden die het potentieel van AI agents tonen, zijn er een aantal nadelen waar bedrijven zich bewust van moeten zijn.
Een van de grootste valkuilen is niet de technologie zelf, maar de context waarin die wordt gebruikt. Veel kleinere bedrijven benaderen Salesforge met het idee om hun outreach op te schalen. Maar vaak hebben ze op dat moment nog geen product-market fit bereikt. In die gevallen maakt het niet uit of de outreach door mensen, bureaus of AI wordt gedaan – alle inspanningen zullen mislukken.
Ten tweede: zelfs met product-market fit kan het zijn dat bedrijven geen channel fit hebben. Niet elke klant reageert positief op een koude e-mail of LinkedIn-bericht. Als een bedrijf verkeerde acquisitiekanalen kiest, kan AI dat probleem niet zomaar oplossen.
Frank vergelijkt AI agents met Google Ads: je investeert om conversies te genereren. Maar als dat niet lukt, haak je af. Bij Salesforge leert het team actief waar AI agents het best tot hun recht komen. Ze houden rekening met industrieën, dealgroottes en andere variabelen om het volledige plaatje te begrijpen.
Frank noemde ook andere uitdagingen met AI agents. Bijvoorbeeld, wanneer AI e-mails moet schrijven, lukt het vaak niet om berichten te creëren die echt menselijk aanvoelen. Afhankelijk van hoe de agent is opgebouwd en aangestuurd, kan de output er overduidelijk AI-gegenereerd uitzien. Voor veel klanten is dat vandaag de dag een rode vlag.
E-mails genereren met AI die aanvoelen alsof ze door een mens zijn geschreven, vereist veel inspanning. Het vraagt om doordachte prompts, rijke contextuele data en slimme technische aansturing achter de schermen. Tools zoals n8n of Make.com kunnen helpen bij het automatiseren van workflows, maar als het eindresultaat robotachtig overkomt, verkleint dat de kans op een reactie.
Volgens Frank hangt succes in moderne verkoop af van wat hij de vier kernpijlers noemt.
De eerste en meest over het hoofd geziene factor is of je e-mails überhaupt in inboxen terechtkomen. Deliverability – dus ervoor zorgen dat berichten in de primaire inbox en niet in de spammap terechtkomen – is essentieel. Goede sales outreach begint met software die dit consequent waarborgt. Het maakt niet uit hoe sterk je targeting of boodschap is als niemand je e-mails ziet.
De tweede pijler is de e-mailinfrastructuur, inclusief software- en hardwarecomponenten die invloed hebben op deliverability en verzendreputatie. Frank benadrukt dat een goed geconfigureerde infrastructuur het algehele e-mailsucces verhoogt.
De derde pijler is waar AI agents momenteel de meeste impact maken: e-mailteksten.
Een gepersonaliseerde, kwalitatieve e-mail voorbereiden kost een mens al snel 15 minuten. Het vereist onderzoek naar de prospect op LinkedIn, het bekijken van de bedrijfswebsite en het vinden van relevante invalshoeken voor personalisatie. Ondanks die moeite blijft 90% van de e-mails onbeantwoord. Vaak omdat het moment verkeerd is of de ontvanger simpelweg geen interesse heeft.
Daarom zijn AI agents zo krachtig. Ze kunnen twee essentiële datasets combineren:
Door die te combineren kan AI e-mails genereren die sterk gepersonaliseerd zijn. Zulke e-mails kunnen in de moedertaal van de ontvanger worden opgesteld, wat de respons aanzienlijk kan verhogen. Een e-mail in het Frans versturen naar prospects in Frankrijk kan bijvoorbeeld de respons verdubbelen. Maar er is een addertje onder het gras: wanneer mensen reageren, verwachten ze meestal dat het gesprek in het Frans doorgaat. Je moet dus een Franstalige verkoper klaar hebben staan, anders verlies je het vertrouwen.
Hoe goed je e-mails ook zijn en hoe goed ze worden afgeleverd – als je de verkeerde mensen benadert, verspil je tijd en geld.
Historisch gezien werkten SDR’s of marketeers met grote lijsten uit databases en kwalificeerden ze leads handmatig. Dat is extreem tijdrovend en foutgevoelig. Nu beginnen AI agents deze taak effectiever over te nemen.
Frank stelt dat AI beter is dan mensen in het kwalificeren van lijsten om één simpele reden: lagere foutenmarges. AI kan duizenden leads verwerken met consistente logica, en markeren welke contacten wel en niet binnen je ICP passen.
De effectiviteit van AI agents hangt sterk af van de dealgrootte en de lengte van het salestraject. Bij grote, langdurige enterprise-deals is het realistischer om AI-co-piloten te gebruiken die mensen ondersteunen, in plaats van volledige automatisering. Enterprise sales zijn nog steeds sterk relationeel, en het risico op een AI-fout blijft een knelpunt. Hoe groter de inzet, hoe minder bereid bedrijven zijn om taken volledig aan AI over te laten.
Maar bij low-ticket deals met korte salescycli blinken AI agents uit. Hier zijn autonomie en snelheid cruciaal. Bedrijven kunnen AI agents inzetten om grootschalige outreach te verzorgen.
Ondanks de huidige beperkingen leveren AI agents al indrukwekkende prestaties bij outreach naar kleine accounts. Frank ziet responspercentages van 2–2,5%, waarvan 10–20% positief is. Zelfs met hoge verwerkingskosten is het rendement hoog genoeg om de inzet op te schalen.
Over de toekomst gesproken, noemde Frank het belang van “agentic swarms” (geen op zichzelf staande agents, maar onderling verbonden teams van AI agents, elk verantwoordelijk voor een ander deel van het salesproces). Bedrijven moeten zulke swarms zien als digitale SDR-teams. De ene agent bouwt lijsten, de volgende verzorgt de outreach, een ander beheert follow-ups en weer een ander plant afspraken in.
AI agents veranderen nu al hoe bedrijven mensen aannemen, processen opzetten en operaties optimaliseren. Dat roept een grote vraag op: zullen mensen in de toekomst nog een rol blijven spelen in het bedrijfsleven?
Elk bedrijf heeft repetitieve taken, en slimme bedrijven proberen die taken te automatiseren met behulp van AI agents. Zoals Frank aangaf, zijn ze bij Salesforge daar een paar maanden geleden actief mee begonnen via n8n, een geavanceerde tool voor workflowautomatisering. Daarmee kunnen ze complexe flows bouwen, AI agents aansturen, code genereren en operaties beheren zonder extra personeel aan te nemen.
Dat is het doel: meer output genereren zonder het team uit te breiden. Salesforge wil tegen eind 2025 zo’n 1.000 n8n-flows creëren, wat neerkomt op 10–20 nieuwe flows per week. Iedereen bij Salesforge draagt daaraan bij door repetitieve taken te signaleren die ze willen automatiseren.
Deze automatiseringsgerichte mentaliteit beïnvloedt ook hun aanpak van werving. Frank legde uit dat ze bij een bedrijfsprobleem steeds de volgende vragen stellen.
Ze hebben voor deze aanpak gekozen omdat werving tegenwoordig traag, duur en competitief is – vooral in tech.
Frank noemde ook het belang van wat hij de Amerikaanse mentaliteit noemt. Die is gebaseerd op het behouden van voorsprong op de concurrentie door efficiënter te werken, overbodig personeel te schrappen en operaties voortdurend te optimaliseren. In zijn ogen worden bedrijven die niet innoveren of stroomlijnen eenvoudig ingehaald door anderen.
Sommige sectoren zijn al 20 tot 30 jaar nauwelijks veranderd, en Frank vindt dat zorgwekkend. Ondertussen evolueren landen als de VS en China razendsnel. Als Europese bedrijven niet dezelfde urgentie tonen, zullen buitenlandse spelers de markt betreden en laten zien hoe het eigenlijk had gemoeten.
Volgens Frank is experimentatie een belangrijke reden waarom veel bedrijven extreem succesvol zijn. In zijn woorden worden geweldige bedrijven gebouwd op het principe van elke dag 1% verbetering. Maar zulke consistente vooruitgang gebeurt niet toevallig. Het komt voort uit bewust testen en leren.
Hij benadrukte dat bedrijven zonder experimentatie (dat kan A/B-testen zijn, het uitproberen van nieuwe functies of het optimaliseren van interne processen) niet kunnen groeien.
Een goed voorbeeld hiervan is Google. Hoewel de startpagina er misschien statisch uitziet, voert het bedrijf voortdurend duizenden experimenten uit, waarbij zelfs een knop met één pixel wordt verplaatst om te zien of dit betere resultaten oplevert. Deze micro-optimalisaties, aangedreven door enorm veel verkeer en snelle testcycli, zijn een van de redenen waarom Google voorop blijft lopen.
In het overvolle digitale landschap van vandaag is aandacht domineren geen kwestie van toeval. Het is het resultaat van voortdurende optimalisatie. Of een bedrijf nu B2B of B2C is, Frank gelooft dat het zich moet richten op het kruispunt tussen hun potentiële klanten en waar zij hun tijd doorbrengen. Voor de meeste professionele doelgroepen betekent dat LinkedIn.
Maar welke content is het waardevolst voor hen? Dat verschilt per doelgroep. Daarom is experimenteren essentieel. Frank test zelf regelmatig verschillende soorten content om betrokkenheid te meten en zijn aanpak te verfijnen.
Optimalisatie draait niet alleen om de content zelf, maar om het leren wat aanspreekt. Dat vereist dagelijks posten, idealiter één of zelfs twee keer per dag, van maandag tot vrijdag. Hoewel dit veel middelen vergt, is het gerechtvaardigd gezien het organische bereik en de merkautoriteit die het kan opleveren. Op dit moment ziet Frank AI agents nog niet in staat om de nuance of authenticiteit te leveren die nodig is voor dit soort contentstrategieën. Maar dat zou in de toekomst kunnen veranderen.
Hij wees ook op de opkomst van AI-gegenereerde avatars, nep maar zeer realistische videopersona’s die al in sommige marketingcampagnes worden gebruikt. Nu AI zich verplaatst van tekst naar stem en video, ziet Frank 2025 als een keerpunt in de “videofase”. Dit jaar zullen we steeds vaker synthetische content tegenkomen die er behoorlijk realistisch uitziet. Daarom moeten bedrijven nog doordachter en strategischer zijn in hoe ze aandacht trekken en vertrouwen opbouwen.
Hoewel het meeste van dit werk nog steeds afhankelijk is van wat Frank de “menselijke puf” noemt, ziet hij een groeiende rol voor AI agents in de nabije toekomst. Het hoofd van YouTube bij zijn bedrijf heeft een tool ontwikkeld die video-assets analyseert en helpt deze opnieuw te verpakken voor LinkedIn op een manier die is ontworpen om betrokkenheid te vergroten. De tool beveelt berichtformaten aan, hashtags, welke bedrijven of personen te taggen, en andere elementen die de zichtbaarheid en prestaties maximaliseren.
Deze hybride aanpak, aangedreven door menselijke creativiteit en AI-gestuurde optimalisatie, kan worden gezien als de toekomst van contentstrategie. AI agents zijn nog niet klaar om mensen te vervangen bij storytelling, maar ze worden steeds vaker gebruikt om te sturen welke soorten content waarschijnlijk succesvol zullen zijn.
Op basis van wat we hebben gehoord van de experts die eerder de Innovantage-podcaststudio bezochten, is deze hybride formule vandaag al goed toepasbaar op veel domeinen. AI wordt steeds volwassener en geavanceerder, maar een menselijke toets blijft essentieel.
Wil je meer leren over de kracht van technologie in de zakenwereld? Mis dan de volgende afleveringen van de podcast niet.
.svg)
.svg)
.svg)
.svg)
.svg)
.svg)
.svg)
.svg)
.svg)
.svg)
.png)
.png)
